#Romlige forskjeller i næringsstruktur, virkninger av eksogene sjokk i basissysselsettingen, og lokale forskjeller I sysselsettingsvekst.
I denne oppgaven vil vi se pĂ¥ næringsstrukturer pĂ¥ Haugalandet, Sunnhordland og Hardanger.
Problemstillinger og beregninger vi vil se nærmere pĂ¥
Haugalandet bestĂ¥r av kommunene Bokn (852), Haugesund (37357), Karmøy (42186), Sauda (4595), Tysvær(11065), Utsira(198) og Vindafjord(8714). tilsammen bor det 104967 personer i denne regionen. i tidsperioden vi har hentet inn data har det vert kommunesammenslĂ¥ing i denne regionen. Da ble Ă˜len og vindafjord slĂ¥tt i sammen til en kommune (hvordan har vi tatt hensyn til dette???)
Sunnhordland og Ullensvang bestĂ¥r av kommunene Bømlo(11957), Etne(4062), Fitjar(3189), Kvinnherad(13071), Stord(18759), Sveio(5766), Tysnes(2869) og Ullensvang(11048). Tilsammen bor det 70721 personer i denne regionen.
Tallene er hentet fra SSB 09.01.21 (https://www.ssb.no/statbank/table/01223/tableViewLayout1/) gjelder for 4 kvartal 2020.
<<<<<<< HEADsyssel_arb <- read_csv("Data/syssel_arb.csv", show_col_types = FALSE)
hld_arb <- read_csv("Data/hld_arb.csv", show_col_types = FALSE)
sun_arb <- read_csv("Data/sun_arb.csv", show_col_types = FALSE)
har_arb <- read_csv("Data/har_arb.csv", show_col_types = FALSE)
syssel_bos <- read_csv("Data/syssel_bos.csv", show_col_types = FALSE)
hld_bos <- read_csv("Data/hld_bos.csv", show_col_types = FALSE)
sun_bos <- read_csv("Data/sun_bos.csv", show_col_types = FALSE)
har_bos <- read_csv("Data/har_bos.csv", show_col_types = FALSE)
Pendling <- read_csv("Data/Pendling.csv", show_col_types = FALSE)
hgl_Pendling <- read_csv("Data/hgl_Pendling.csv", show_col_types = FALSE)
sun_Pendling <- read_csv("Data/sun_Pendling.csv", show_col_types = FALSE)
hld_arb %>%
ggplot(mapping = aes(x = Ă…r, y = Totalt)) +
geom_line() +
labs(title = "Haugalandet")+
ylab("Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1))
syssel_arb %>%
filter(knr %in% c(1106, 1135, 1145, 1146, 1149, 1151, 1160)) %>%
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = `Alle Næringer`, (angle=0))) +
scale_color_viridis(discrete = TRUE, option = "A") +
geom_line(aes(group = knavn, colour = knavn)) +
scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
geom_hline(yintercept = 0) +
labs(title = "Haugalandet", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
theme(legend.position = 'bottom')
hld_arb_long <- syssel_arb %>%
pivot_longer(
cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
names_to = "Næring",
values_to = "Ansatte")
=======
# Ola: Skal vi ta vekk denne, Kevin? - SjĂ¥ dei to kode-chunkane under, og vurder
# Kevin: Hei! Vurderer om denne mĂ¥ gjøres pĂ¥ bĂ¥de Sunnhordland, samt Hardanger.
hld_arb_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Haugalandet
filter(knavn %in% c("Bokn", "Haugesund", "Karmøy", "Sauda", "Tysvær", "Utsira", "Vindafjord")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(x = "Ă…r", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ tre kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'right')
=======
hld_arb_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Haugalandet
filter(knavn %in% c("Haugesund", "Karmøy", "Vindafjord")) %>%
filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(title = "Haugalandet: Haugesund, Karmøy og Vindafjord", x = "År", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ tre kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'bottom')
=======
>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257
<<<<<<< HEAD
hld_arb_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Haugalandet
filter(knavn %in% c("Bokn", "Sauda", "Tysvær", "Utsira")) %>%
filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(title = "Haugalandet: Bokn, Sauda, Tysvær og Utsira", x = "År", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ 4 kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 4) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'bottom')
=======
Warning: Removed 1 row(s) containing missing values (geom_path).
syssel_arb %>%
filter(knr == 1106) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Haugesund", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(20852, 22190), xlim = c())
=======
Warning: Removed 1 row(s) containing missing values (geom_path).
syssel_arb %>%
filter(knr == 1135) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Sauda", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(1937, 2180), xlim = c())
=======
syssel_arb %>%
filter(knr == 1145) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Bokn", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(291, 327), xlim = c())
=======
syssel_arb %>%
filter(knr == 1146) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Tysvær", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(4048, 4773), xlim = c())
=======
syssel_arb %>%
filter(knr == 1149) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Karmøy", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(14591, 16059), xlim = c())
=======
syssel_arb %>%
filter(knr == 1151) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Utsira", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(88, 114), xlim = c())
=======
syssel_arb %>%
filter(knr == 1160) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Vindafjord", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(4422, 5037), xlim = c())
=======
SĂ¥ gjer vi det samme for Sunnhordland
<<<<<<< HEADsun_arb %>%
ggplot(mapping = aes(x = Ă…r, y = Totalt)) +
geom_line() +
labs(title = "Sunnhordaland", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1))
=======
syssel_arb %>%
filter(knr %in% c(4611, 4612, 4613, 4614, 4615, 4616, 4617)) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
scale_color_viridis(discrete = TRUE, option = "A") +
geom_line(aes(group = knavn, colour = knavn)) +
scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
geom_hline(yintercept = 0) +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
labs(title = "Sunnhordland", x = "Ă…r") +
theme(legend.position = 'bottom')
sun_arb_long <- syssel_arb %>%
pivot_longer(
cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
names_to = "Næring",
values_to = "Ansatte")
=======
sun_arb_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Sunnhordland
filter(knavn %in% c("Bømlo", "Stord", "Kvinnherad")) %>%
filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(title = "Sunnhordland: Bømlo, Kvinnherad og Stord", x = "År", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ tre kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'bottom')
=======
>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257
<<<<<<< HEAD
sun_arb_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Sunnhordland
filter(knavn %in% c("Etne", "Sveio", "Fitjar", "Tysnes")) %>%
filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(title = "Sunnhordland: Etne, Fitjar, Sveio og Tysnes", x = "Ă…r", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ tre kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 4) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'bottom')
=======
syssel_arb %>%
filter(knr == 4611) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Etne", x = "Ă…r") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(1613, 1775), xlim = c())
=======
Warning: Removed 1 row(s) containing missing values (geom_path).
syssel_arb %>%
filter(knr == 4612) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Sveio", x = "Ă…r") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(1357, 1523), xlim = c())
=======
syssel_arb %>%
filter(knr == 4613) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Bømlo", x = "År") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(4662, 4890), xlim = c())
=======
syssel_arb %>%
filter(knr == 4614) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Stord", x = "Ă…r") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(9161, 9938), xlim = c())
=======
syssel_arb %>%
filter(knr == 4615) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Fitjar", x = "Ă…r") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(1085, 1259), xlim = c())
=======
syssel_arb %>%
filter(knr == 4616) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Tysnes", x = "Ă…r") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(989, 1188), xlim = c())
=======
syssel_arb %>%
filter(knr == 4617) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Kvinnherad", x = "Ă…r") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(5472, 6084), xlim = c())
=======
Til slutt mĂ¥ vi gjere det samme med Hardanger
<<<<<<< HEADhar_arb %>%
ggplot(mapping = aes(x = Ă…r, y = Totalt)) +
geom_line() +
labs(title = "Hardanger", y= "Alle Næringer") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1))
syssel_arb %>%
filter(knr %in% c(4618, 1228)) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
scale_color_viridis(discrete = TRUE, option = "A") +
geom_line(aes(group = knavn, colour = knavn)) +
scale_color_manual(values=c('#111111','#054987')) +
scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
geom_hline(yintercept = 0) +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
labs(title = "Hardanger", x = "Ă…r") +
theme(legend.position = 'bottom')
har_arb_long <- syssel_arb %>%
pivot_longer(
cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
names_to = "Næring",
values_to = "Ansatte")
har_arb_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Hardanger
filter(knavn %in% c("Odda", "Ullensvang")) %>%
filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(title = "Hardanger: Odda, Ullensvang", x = "Ă…r", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ tre kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'bottom')
syssel_arb %>%
filter(knr == 1228) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Odda", x = "Ă…r") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(3489, 3740), xlim = c())
syssel_arb %>%
filter(knr == 4618) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
geom_line() +
labs(title = "Ullensvang", x = "Ă…r") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
coord_cartesian(ylim = c(1235, 5291), xlim = c())
hld_bos %>%
ggplot(mapping = aes(x = Ă…r, y = Totalt)) +
geom_line() +
labs(title = "Haugalandet")+
ylab("Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1))
syssel_bos %>%
filter(knr %in% c(1106, 1135, 1145, 1146, 1149, 1151, 1160)) %>%
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = `Alle Næringer`, (angle=0))) +
scale_color_viridis(discrete = TRUE, option = "A") +
geom_line(aes(group = knavn, colour = knavn)) +
scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
geom_hline(yintercept = 0) +
labs(title = "Haugalandet", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
theme(legend.position = 'bottom')
hld_bos_long <- syssel_bos %>%
pivot_longer(
cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
names_to = "Næring",
values_to = "Ansatte")
hld_bos_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Haugalandet
filter(knavn %in% c("Haugesund", "Karmøy", "Vindafjord")) %>%
filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(title = "Haugalandet: Haugesund, Karmøy og Vindafjord", x = "År", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ tre kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'bottom')
hld_bos_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Haugalandet
filter(knavn %in% c("Bokn", "Sauda", "Tysvær", "Utsira")) %>%
filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(title = "Haugalandet: Bokn, Sauda, Tysvær og Utsira", x = "År", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ 4 kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 4) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'bottom')
sun_bos %>%
ggplot(mapping = aes(x = Ă…r, y = Totalt)) +
geom_line() +
labs(title = "Sunnhordaland", x = "År", y = "Antall ansatte i \n alle næringer") +
theme(axis.title.y = element_text(angle=0))+
scale_x_continuous(breaks = seq(2008, 2020, by = 1))
syssel_bos %>%
filter(knr %in% c(4611, 4612, 4613, 4614, 4615, 4616, 4617)) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
scale_color_viridis(discrete = TRUE, option = "A") +
geom_line(aes(group = knavn, colour = knavn)) +
scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
geom_hline(yintercept = 0) +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
labs(title = "Sunnhordland", x = "Ă…r") +
theme(legend.position = 'bottom')
=======
sun_bos_long <- syssel_bos %>%
pivot_longer(
cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
names_to = "Næring",
values_to = "Ansatte")
=======
Scale for 'colour' is already present. Adding another scale for 'colour', which will
replace the existing scale.
sun_bos_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Sunnhordland
filter(knavn %in% c("Bømlo", "Stord", "Kvinnherad")) %>%
filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(title = "Sunnhordland: Bømlo, Kvinnherad og Stord", x = "År", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ tre kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'bottom')
sun_bos_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Sunnhordland
filter(knavn %in% c("Etne", "Sveio", "Fitjar", "Tysnes")) %>%
filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(title = "Sunnhordland: Etne, Fitjar, Sveio og Tysnes", x = "Ă…r", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ tre kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 4) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'bottom')
har_bos %>%
ggplot(mapping = aes(x = Ă…r, y = Totalt)) +
geom_line() +
labs(title = "Hardanger", y= "Alle Næringer") +
scale_x_continuous(breaks = seq(2008, 2020, by = 1))
syssel_bos %>%
filter(knr %in% c(4618, 1228)) %>%
ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
scale_color_viridis(discrete = TRUE, option = "A") +
geom_line(aes(group = knavn, colour = knavn)) +
scale_color_manual(values=c('#111111','#054987')) +
scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
geom_hline(yintercept = 0) +
scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
labs(title = "Hardanger", x = "Ă…r") +
theme(legend.position = 'bottom')
har_bos_long <- syssel_bos %>%
pivot_longer(
cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
names_to = "Næring",
values_to = "Ansatte")
har_bos_long %>%
# Vi ønsker Ă¥ studere alle kommunene som formelt sett regnes som Hardanger
filter(knavn %in% c("Odda", "Ullensvang")) %>%
filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>%
# Vi omformaterer datoene til mer formĂ¥lstjenlige format
ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
# Vi velger hvilken fargeoppslagstabell som skal anvendes
scale_color_viridis(discrete = TRUE, option = "A") +
# Angir aksetitler
labs(title = "Hardanger: Odda, Ullensvang", x = "Ă…r", y = "Antall ansatte") +
# Angir hvilke variabler fargene skal basere seg pĂ¥
geom_line(mapping = aes(group = Næring, colour = Næring)) +
# Lager et panel som viser flere grafer, fordelt pĂ¥ tre kolonner
facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
# Bestemmer at forklaringene skal stĂ¥ pĂ¥ høyre side
theme(legend.position = 'bottom')
hgl_Pendling
=======
>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257
<<<<<<< HEAD
sun_Pendling
=======
Warning: Removed 1 row(s) containing missing values (geom_path).
Scale for 'colour' is already present. Adding another scale for 'colour', which will
replace the existing scale.
# Siste
=======
>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257